Show HN: AI yang mengubah codebase GitHub menjadi tutorial yang mudah

• Pocket Flow adalah proyek yang memanfaatkan AI untuk mengubah codebase GitHub menjadi tutorial yang ramah bagi pemula
• Dengan merayapi repositori GitHub, proyek ini menganalisis abstraksi inti dari kode dan mengubahnya menjadi tutorial yang memudahkan pemahaman kode kompleks melalui visualisasi
• Menyediakan berbagai contoh hasil yang dibuat otomatis oleh AI dari beragam repositori GitHub
• Menjelaskan pengaturan dasar dan cara menjalankan proyek untuk memulai
• Menyediakan materi tambahan terkait tutorial pengembangan

---

Pembuatan tutorial codebase dengan AI

• Pocket Flow adalah framework LLM 100 baris yang menganalisis repositori GitHub untuk membuat tutorial yang ramah bagi pemula
• Proyek ini mengidentifikasi abstraksi inti dalam codebase dan menganalisis interaksinya untuk mengubah kode kompleks menjadi tutorial yang bisa dipahami bahkan oleh pemula
• Informasi lebih lanjut dapat ditemukan melalui tutorial pengembangan YouTube dan tutorial postingan Substack

Contoh tutorial buatan AI dari repositori GitHub populer

• AutoGen Core: Menjelaskan cara membentuk tim AI untuk memecahkan masalah
• Browser Use: Menjelaskan cara AI menjelajahi web dan bekerja seperti asisten digital
• Celery: Menjelaskan cara memperkuat aplikasi dengan pekerjaan latar belakang
• Click: Menjelaskan cara mengubah fungsi Python menjadi alat command line
• Codex: Menjelaskan cara mengubah bahasa Inggris biasa menjadi kode yang berfungsi
• Crawl4AI: Menjelaskan cara mengekstrak informasi penting dari situs web
• CrewAI: Menjelaskan cara membentuk tim pakar AI untuk menyelesaikan masalah kompleks
• DSPy: Menjelaskan cara mengoptimalkan aplikasi LLM
• FastAPI: Menjelaskan cara membuat API dengan cepat
• Flask: Menjelaskan cara membuat aplikasi web dengan kode minimal
• Google A2A: Menjelaskan cara agen AI berkolaborasi
• LangGraph: Menjelaskan cara merancang agen AI sebagai flowchart
• LevelDB: Menjelaskan cara menyimpan data dengan cepat
• MCP Python SDK: Menjelaskan cara membangun aplikasi yang kuat
• NumPy Core: Menjelaskan cara menguasai mesin data science
• OpenManus: Menjelaskan cara membangun agen AI
• Pydantic Core: Menjelaskan cara memvalidasi data
• Requests: Menjelaskan cara berkomunikasi dengan internet menggunakan Python
• SmolaAgents: Menjelaskan cara membangun agen AI kecil

Memulai

• Clone repositori dan instal dependensi yang diperlukan
• Selesaikan konfigurasi LLM di utils/call_llm.py
• Jalankan skrip utama untuk menganalisis repositori GitHub dan membuat tutorial
• Anda dapat menentukan file dan bahasa yang akan dianalisis dengan berbagai opsi

Tutorial pengembangan

• Menjelaskan paradigma pengembangan Agentic Coding, di mana manusia merancang dan agen melakukan coding
• Menggunakan framework Pocket Flow agar agen dapat menulis kode
• Menjelaskannya langkah demi langkah melalui tutorial pengembangan YouTube

[GN⁺]

Komentar Hacker News

• Ada pertanyaan apakah hanya menggunakan dokumentasi atau kode dari repositori
• Sudah mencoba menggunakan kunci API AI Studio dan hasilnya mengesankan
  • Menggunakan analogi restoran untuk menjelaskan API terasa tidak perlu dan terlalu panjang
  • Penjelasan tentang GraphQL juga berlanjut terlalu panjang
  • Dokumentasi yang dihasilkan tampaknya lebih cocok untuk PM yang agak teknis daripada software engineer
  • Sepertinya ini bisa diatasi dengan memperbaiki prompt
• Akan bagus jika prompt mendorong variasi diagram
  • Misalnya, untuk workflow state machine yang tahan lama dengan AWS Step Functions, diagram alur mungkin lebih cocok daripada flowchart
• Saat menggunakan library baru, sebagai langkah pertama menyalin repositori dan menjalankan Claude Code untuk memintanya menulis dokumentasi yang bagus
  • Sepertinya bisa menghemat banyak langkah
• Mendapatkan hasil serupa dengan banyak bertanya kepada Cursor
  • Seperti yang juga disebut orang lain, menginginkan tone yang sedikit berbeda
  • Fitur "template gaya" yang bisa disesuaikan dengan gaya penulisan yang disukai akan bagus
  • Jika tidak memakan banyak waktu, mungkin juga akan mengirimkan PR
• Ada perusahaan bernama mutable ai yang diakuisisi Google tahun lalu, dan mereka mengerjakan keluaran wiki alih-alih tutorial
• Tutorial dspy sangat bagus
  • dspy sulit dipahami secara konseptual, tetapi tutorialnya menjelaskannya dengan baik
• Dibangun untuk penggunaan browser
  • Hasil dari library ini sangat mengesankan
  • Output-nya sama sekali tidak disentuh
  • Saat ini ada masalah dalam menjaga codebase dan dokumentasi tetap sinkron (contoh kode kadang rusak)
  • Penasaran apakah sebagian dari Pocket bisa digunakan untuk menyelesaikan ini
• Ada komentar bahwa ini pekerjaan yang sangat keren dan terima kasih sudah membagikannya
  • Ini contoh yang bagus untuk menunjukkan nilai LLM
  • Membantu mengatasi pandangan negatif terhadap dampaknya pada engineer junior
  • Membantu menyelesaikan masalah bahwa sebagian besar proyek kekurangan dokumentasi yang mutakhir
• Ini bisa menjadi game changer untuk onboarding kontributor open source baru
  • Bisa memasukkan codebase postgres atau redis, memahaminya dengan baik, lalu mulai berkontribusi
• Di bagian atas ada konten tingkat tinggi yang rapi, tetapi di bawahnya cepat beralih menjadi kode yang ditulis dalam bahasa manusia
  • Dengan melihat unit test terkait, tampaknya bisa mengekstrak pola penggunaan yang lebih berguna
  • Bagi sebagian besar pembaca tutorial, yang penting adalah "cara menggunakannya"